Perceptron đa lớp (MLP)
Perceptron đa lớp (MLP) là một kiến trúc mạng nơ-ron truyền thẳng được huấn luyện bằng lan truyền ngược, được hình thức hóa bởi Rumelhart, Hinton và Williams trong bài báo mang tính bước ngoặt năm 1986 trên tạp chí Nature. Bao gồm một lớp đầu vào, một hoặc nhiều lớp ẩn gồm các nơ-ron có hàm kích hoạt phi tuyến, và một lớp đầu ra, MLP có thể xấp xỉ bất kỳ hàm liên tục nào với độ chính xác tùy ý và đóng vai trò là cầu nối khái niệm giữa học máy cổ điển và học sâu hiện đại.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323, 533–536. DOI: 10.1038/323533a0 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 6–7). MIT Press. ISBN: 978-0-262-03561-3
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 5). Springer. ISBN: 978-0-387-31073-2
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Multi-layer Perceptron (Feedforward Neural Network with Backpropagation). ScholarGate. https://scholargate.app/vi/machine-learning/multi-layer-perceptron
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Hồi quy LogisticThống kê nghiên cứu↔ compare
- Rừng ngẫu nhiênHọc máy↔ compare
- Mạng nơ-ron hồi quyHọc sâu↔ compare
- XGBoostHọc máy↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →